EDIT数字化模型简介、业务探查（E）、问题诊断（D）、业务策略优化和指导（I）、算法工具介绍（T）

解决企业数据采集，数据模型构建，搭建数据之间的逻辑

领会数据分类中的主数据、交易数据和元数据概念；理解数据库建模中概念、逻辑、物理模型之间的关系；领会数据库范式的概念、数据仓库和数据集市、ETL过程；掌握关系模型与维度模型的使用场景

数据采集方法、数据模型管理

解决企业数据采集，数据模型构建，搭建数据之间的逻辑

领会数据分类中的主数据、交易数据和元数据概念；理解数据库建模中概念、逻辑、物理模型之间的关系；掌握关系模型与维度模型的使用场景

Python标准数据类型、控制流语句、自定义函数、异常和错误、类与面向对象编程、Python连接数据库操作、Python编程面试题集训

解决使用商业智能报表分析业务、监控业务的问题

具备Python代码编写阅读能力； 掌握基本的Python语法；熟悉面向对象的原理；掌握Python数据库编程；

Numpy数组基础操作、Pandas数据表的基本操作、Pandas数据探索、Pandas数据可视化、Python数据可视化包-Matplotlib介绍、Python数据可视化包-Seaborn介绍与图形绘制

完成企业实际工作中的数据清洗、转换等数据加工及可视化任务，为后续机器学习打下基础

掌握数据清洗的方法与技巧;掌握数据常用可视化的方法与技巧

实战案例：斯德哥尔摩气候可视化分析、餐饮订单数据清洗与分析、文本数据分析之QQ聊天记录可视化分析

实际项目检验学习成果，学以致用，更加贴近实战项目，达到学习价值

掌握Python综合使用技能，掌握numpy与pandas的用法

先导课：抽样方法、统计量及抽样分布、参数估计与假设检验、统计分析与Python实战、线性规划与二次优化； 实战案例：关于饮料消费的统计学分析、快递公司的路线策略优化

使用统计分析和运筹学的基础知识来解决与企业策略优化相关的问题，比如快递路线优化问题、商品价格定价策略问题等等。

熟悉常见统计分布的特点与应用；熟悉假设检验的基本概念与方法；掌握T检验、方差分析的方法步骤；掌握线性规划与二次优化

数据分析方法论介绍、方差分析、回归分析、分类数据分析、逻辑回归、数据降维、时间序列分析、实战案例：金融客户行为特征分解与营销策略优化、汽车行业销售预测与经营战略优化、基于广义线性模型的汽车保险分类定价策略的优化、收益率的系列预测、基于时间序列的机

可完成电商、金融、互联网等行业的用户行为分析与预测，商业策略分析等工作。

熟悉数据分析方法与步骤；掌握方差分析与应用，回归分析与应用，分类数据分析方法，时序数据的分析预测方法

用户标签体系设计原理、用户标签的制作方法、标签体系的用户画像应用、实战案例：用户行为在营销活动的价值分析、自动预警指标推送功能框架的搭建、app静默用户触动分析

可完成电商、金融、互联网等行业的标签体系的设计与应用任务。如构建业务指标体系、构建用户画像等高价值工作。

掌握用户标签体系设计原、熟悉用户标签的制作方法、熟悉用户画像的应用

数据挖掘概要、数据挖掘方法论、基础数据挖掘技术、进阶数据挖掘技术

理解和辨别数据挖掘算法在企业不同的工作场景中的应用，

熟悉数据挖掘的基本理论与技术

特征工程概要、特征建构、特征选择、特征转换、特征学习

正确理解特征工程，为提高模型效果，正确使用特征工程方法做准备

熟悉特征工程概念与原理；掌握特征工的构建，特征工的选择、转换

KNN-最近邻分类算法：原理、实现、决策树（分类树及回归树）、聚类分析

本阶段课程学习基础机器学习算法，有分类算法与聚类算法。这些算法可应用在大部分的商业问题中：如信用评分、客户画像等。

掌握KNN算法原理与基于Python的应用；掌握决策树算法原理、scikit-learn应用以及算法优化技巧；掌握K-means聚类算法原理及应用；熟悉保险行业客户分群意义；掌握决策树算法在客户分群中的实际运用；

朴素贝叶斯、神经网络与深度学习、支持向量机、集成方法 实战案例：航空客户价值分析综合案例、基于集成算法的乳腺癌疾病预测、基于神经网络的汽车燃油率预测

本阶段课程学习高阶机器学习算法与集成算法，这些算法在企业内的应用也比较多，如客户流失预警、动态定价、客户细分、欺诈检测、垃圾邮件检测、图像分类与识别等。

掌握朴素贝叶斯算法原理与应用；掌握常见神经网络算法的原理与应用；掌握SVM算法原理与应用，常见集成算法的原理；熟悉xgboost 、LightGBM算法原理；通过案例熟悉相关行业背景知识，并熟练运用算法；

关联规则、序列模式、模型评估、实战项目：推荐系统实战

掌握推荐系统主要的算法，并能依据模型结果提供实际营销建议。

掌握关联规则的核心原理与应用；掌握序列算法的原理及应用； 熟悉模型评估算法；掌握模型评估算法原理及应用

实战案例：以自动机器学习技术开发银行业信用风险评分模型并进行最佳模型调参、以类别不平衡处理技术开发银行业中小企业信贷营销模型并进行最佳模型调参、以半监督式学习技术开发电信业客户流失模型并进行最佳模型调参

可完成电商、金融、互联网等行业中的分类、预测问题，如用户购买预测、垃圾邮件检测、商品精准推荐等等。

掌握自动机器学习原理；熟悉类别不平衡问题的解决方法；掌握半监督学习算法原理与应用，模型优化技巧

自然语言处理概要、分词与词性标注、文本挖掘概要、关键词提取

可解决工作中自然语言处理相关问题，如舆情监控、用户情感分析、语义分析、KOL画像等工作。

熟悉自然语言处理的基本概念；掌握分词以及词性标注技术，文本挖掘技术流程方法，信息检索技术

实战案例：金融信用评分卡风控建模综合项目实战、以特征工程技术开发文本情感分析模型、以深度学习技术开发银行业信用卡盗刷侦测模型、以图像处理技术、深度学习及迁移学习技术，开发人脸口罩侦测模型

通过课程的学习，能完成评分卡建模、情感分析模型构建、信用卡盗刷侦测相关工作能力 。

综合使用机器学习、深度学习、自然语言处理算法来解决金融、银行、AI科技等行业的场景应用。

职业规划、职场沟通力、团队协作力培养

了解职业现状和前景，解决职业沟通和团队协作问题

专职职业导师培养职业规划、职场沟通、以及团队协作能力。

1V1面试技巧指导、简历修改

解决面试技巧不足、简历书写不专业问题

专职就业老师1V1面试技巧辅导与简历修改指导。

何为数据产品经理？Python爬虫、Python办公自动化、数据挖掘项目选修项目

解决学员在不同数据岗位方向和行业方向的业务经验和项目经验不足的问题。

根据学员面试方向、就业方向来选择合适的选修课程来进一步进修。